基于數字圖像處理的服裝款式識別方法研究.pdf

1、利用數字圖像處理技術從服裝圖像中識別出服裝款式，在服裝的消費分析、輔助服裝設計以及身份識別等領域有著廣泛的應用前景。服裝款式特征主要是由服裝的輪廓特征體現。當前服裝款式識別領域針對服裝輪廓進行特征提取及分類的研究中，主要的方法有基于小波傅里葉描述子的極端學習機分類法，以及基于融合特征的歐式距離分類法。但是這些方法也存在著一些不足，例如小波傅里葉描述子相似度判別較復雜、極端學習機分類適應性差和歐式距離判別效率低等問題。目前仍沒有有效的方法

2、對服裝輪廓進行特征提取以及分類。
　　針對以上問題，本文探索一種利用數字圖像處理技術對服裝實物圖像進行款式識別的新型而行之有效的方法。根據輪廓特征提取及其分類方法的主要技術特點，本文提出了兩種不同的技術方案——基于輪廓曲率特征點的模板匹配法和基于輪廓傅里葉描述子的 SVM分類法；經過具體的設計、實現以及可行性驗證，最終通過對款式識別結果的對比分析得出優(yōu)選方法。主要的研究工作概括如下：
　　首先，本文對課題研究背景及現狀進行分

3、析，通過分析當前研究工作的不足，提出本課題。
　　其次，由于國際上目前沒有一個公認的服裝圖像樣本庫，本文創(chuàng)建了一個新的樣本庫。針對傳統基于邊緣檢測的服裝圖像預處理算法對服裝輪廓提取效果差的狀況，本文設計了一種基于灰度線性變換的預處理方案。通過線性變換拉伸灰度區(qū)間，增強了服裝圖像與背景的對比度，經過二值化和一系列形態(tài)學處理后，服裝圖像邊界清晰， Canny算子邊緣檢測后進行頻域的傅里葉濾波，最終得到服裝輪廓。最終的方案實現結果表明，

4、采用此方案獲得的服裝輪廓平滑，能有效降低紋理噪聲，且不失原本結構。
　　然后，根據當前輪廓特征的提取技術較復雜，其分類方法的效率低、適應性差等現狀，本文提出了兩種解決方案：方案一，基于輪廓曲率特征點特征的Hausdorff模板匹配法；方案二，基于輪廓傅里葉描述子特征的SVM分類法。方案一中輪廓曲率特征點能夠描述服裝輪廓曲線的彎曲特征，其計算簡單且直觀性強；改進的均值Hausdorff距離相似性判斷效果更好。方案二中傅里葉描述子表達

5、了輪廓全局的形狀特征，且每個分量都具有一定的物理意義，相似性判別簡單；SVM的分類能力和泛化能力也比較突出。通過詳細的設計和Matlab編程，實現了上述方案并進行了可行性的驗證。
　　最后，通過方案一、二的實驗結果對比后發(fā)現，方案二對樣本庫650張服裝圖像的款式識別準確率約為95.9％，比方案一高約17%；方案二識別每張圖像耗時約3.6毫秒，比方案一快約20倍；但方案一針對輪廓特征明顯的款式識別效果更好，特征描述的直觀性更強。綜合

6、對各款式和整體的識別效果，方案二的優(yōu)勢突出，確定為較優(yōu)方案。并且通過將方案二與其他輪廓特征提取方法（Hu不變矩、融合特征）和分類方法（極端學習機、BP神經網絡）進行了對比，進一步確認了方案二的優(yōu)勢。
　　本文提出并實現的服裝款式的計算機圖像識別方案，能夠對服裝圖像中的服裝款式自動識別，預處理方案能夠有效消除紋理噪聲的干擾，輪廓特征提取及其分類方案的特征描述能力強、計算簡單，款式識別準確性、實時性和適應性都較好。該方案的提出對服裝款